國軍反無人機系統驗收困境：AI時代的國防科技治理挑戰

近日，國軍反無人機系統傳出三次驗收未過，外界聚焦於廠商是否達成契約要求；圖為創未來公司無人機反制系統方案。

國軍反無人機系統傳出三次驗收未過，外界聚焦於廠商是否達成契約要求。然而，這起事件背後，藏著一個更根本、卻少被追問的結構性困境：當武器開始由演算法驅動，我們是否仍用驗收一輛戰車、一架飛機的邏輯，去驗收一套會持續學習、持續更新的AI系統？

如果答案仍是「一次驗收、一次交貨」，那麼真正落後的，或許不是某一家廠商，而是整個國防科技治理制度。

傳統武獲思維根植於硬體。驗收戰車，看的是裝甲厚度、引擎馬力；驗收戰機，測的是雷達功率、航程半徑。這些規格在出廠那刻就已固定，可以靠一次「全系統測試」蓋棺論定。但AI系統的本質是軟體，它的生命週期是「持續開發、持續部署、持續維運」。一個用來偵測無人機的圖像辨識模型，今天能辨識八成目標，不保證明天面對敵方新型外觀、電子干擾或對抗性偽裝時，還能維持同樣水準。

若硬套「一次性驗收」框架，就會陷入荒謬的困境。廠商為了過關，只能把交貨當下的模型「凍結」，結果買到的是「出廠即過時」的戰力。更糟的是，可能催生「考試高手」──針對驗收的特定場景過度優化，在模擬考中拿高分，但在真實戰場複雜環境中不堪一擊。如此一來，預算表面上合法執行，實際上卻無法轉化為有用戰力，白白消耗了寶貴的建軍時間。

這不是台灣獨有的難題，而是全球軍事強權正在摸索的課題。美國國防部推動「軟體工廠」、擁抱「開發維運一體」模式，就是意識到，面對軟體定義的武器系統，不能再走「開規格、等交貨」的老路。台灣真正需要建立的，不只是無人機產業，也不只是單一的反無人機系統，而是一套能持續測試、持續驗證、持續升級的「國防AI驗證體系」。

美國國防部推動「軟體工廠」、擁抱「開發維運一體」模式，就是意識到，面對軟體定義的武器系統，不能再走「開規格、等交貨」的老路；示意圖。

這套體系的精髓，在於把「一次性買賣」轉化為「長期夥伴關係」，它至少應包含幾個支柱：

第一，建立專業的「藍軍」與對抗性測試場域

不是靜態靶機在那裡飛，而是由一群懂電子戰、懂AI的團隊，持續模擬敵方戰術演進，不斷生成新的干擾模式、新的威脅數據，像病毒一樣去挑戰我方AI模型，找出弱點，強迫進步。

第二，驗收標的必須從「靜態產品」轉向「動態能力與更新速率」

合約不該只綁定當下的辨識率，而要明訂：面對新威脅，廠商須在多少時間內完成模型疊代、推送更新，並通過新的測試劇本。買的是「隨時能打」的保證，而非一個固定版本。

第三，政府端必須建立自身的AI評測能量

國防單位不能再只當規格開立者，必須有懂AI的軍官與民間顧問，能獨立審查模型的數據來源、演算法偏見與可解釋性，而不是只看表面分數。這是避免被廠商「黑箱交付」的關鍵。

國防單位不能再只當規格開立者，必須有懂AI的軍官與民間顧問，能獨立審查模型的數據來源、演算法偏見與可解釋性，而不是只看表面分數；示意圖。

第四，建立安全的數據回饋機制

國軍在演訓、甚至未來實戰中的真實數據，經過脫敏後，應能成為餵養模型持續進化的養分。如此，系統才能「越用越聰明」，真正適應台海獨特的戰場環境。

最後，制度必須跟上

這涉及預算編列方式（如何認列持續更新的軟體服務費，而非僅有一次性資本支出）、審計稽核思維（如何查核一個「永遠在變動」的系統）的全面轉型。國防部、主計總處與審計部，必須坐下來一起解決這個跨時代的難題。

當演算法開始定義戰場，治理演算法的能力，本身就構成了一種國防戰力。我們不能等到下一場戰爭驗證，才發現制度早已追不上科技。此刻，就從改寫遊戲規則開始。

（作者服務於漢翔航空）